- 相關(guān)推薦
風(fēng)險投資中的的風(fēng)險評估方法
風(fēng)險投資中的的風(fēng)險評估方法
風(fēng)險評估是對風(fēng)險投資進行風(fēng)險管理的重要環(huán)節(jié)， 通過分析風(fēng)險發(fā)生 的概率及估算風(fēng)險發(fā)生后預(yù)期的風(fēng)險損失， 來對投資過程可能產(chǎn)生的 危害程度進行一個綜合評判。一般采用數(shù)學(xué)方法和模型，并運用計算 機系統(tǒng)，通過預(yù)測各風(fēng)險因素發(fā)生的概率，風(fēng)險程度的大小，借助一 定的模型和數(shù)量公式測算綜合的風(fēng)險指數(shù)，并與設(shè)定的止損位比較， 正確地估計自身所承受的風(fēng)險，從而進行有效的風(fēng)險管理。具體方法 包括：
一、方差法
方差法是度量風(fēng)險投資的常用方法。 將風(fēng)險投資的收益視為一個 隨機變量，則它的方差就代表不確定程度或者說風(fēng)險程度。方差是反 映隨機變量與其期望值的偏離程度的數(shù)值， 是隨機變量各個可能值對 其期望值的離差平方的數(shù)學(xué)期望。
設(shè)：隨機變量為 x，其方差為 D(x)，則：
D(x)=E[x-E(x)]2
(式 1—1)
式中：E(x)——隨機變量 x 的期望值。
對于離散型隨機變量，其方差的計算公式為：
式中：PK——隨機變量 X 為 Xk 的概率
XK——第 K 個可能值
對于連續(xù)型隨機變量，其方差的計算公式為：
式中：f(x)——隨機變量 x 的概率密度函數(shù)。
在實際應(yīng)用中，為了便于分析，通常還引入與隨機變量具有相同 量綱的量，記為 σ(x)，稱之為標(biāo)準(zhǔn)差或均方差。
二、β 系數(shù)與資本資產(chǎn)定價模型
資本資產(chǎn)定價模型由美國經(jīng)濟學(xué)家 W．F． Sharpe 博士于 20 世紀(jì) 60 年代中期首次提出， Sharpe 博士在資產(chǎn)定價等金融經(jīng)濟學(xué) 領(lǐng)域成果卓著，并榮獲 1990 年諾貝爾經(jīng)濟學(xué)獎。
資本資產(chǎn)定價模型(CAPM)認(rèn)為，在一個高度發(fā)達(dá)的資本市場， 任何投資視為購買某種證券的行為，證券價值(格)的波動是投資者承 擔(dān)的風(fēng)險。全部風(fēng)險可分為系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險；有效的投資組合
可使投資者承受的非系統(tǒng)風(fēng)險為零；系統(tǒng)風(fēng)險亦稱為市場風(fēng)險，表示 由那些基本影響因素(能影響所有資產(chǎn)價值)的變化而產(chǎn)生的風(fēng)險。
CAPM 已被廣泛用于證券投資分析，從投資者的角度看，CAPM 具有以下含義：
1．投資者要求的必要報酬率部分地決定于無風(fēng)險利率；
2．投資收益率與市場總體收益期望之間的相關(guān)程度對于必要報 酬率有顯著影響；
3．任何投資者都不可能回避市場的系統(tǒng)風(fēng)險；
4．謀求較高的收益必須承擔(dān)較大的風(fēng)險，這種權(quán)衡取決于投資 者的期望效用。
風(fēng)險投資同樣是一種權(quán)益投資， 風(fēng)險投資分析與證券分析有許多 相似之處，CAPM 同樣適用于風(fēng)險投資中風(fēng)險與收益的評估。
模型的形式相當(dāng)簡潔：某一資產(chǎn)的投資收益率
Ri=Rf+βi(Rm-Rf)
(式 2—1)
式中； Ri—在給定風(fēng)險水平條件下資產(chǎn) i 的合理預(yù)期投資收益率；
Rf——
無風(fēng)險投資收益率； βi——投資于資產(chǎn) i 的風(fēng)險矯正系數(shù)，即對資本市場系統(tǒng)風(fēng)險變 化的敏感程度； Rm——資本市場的平均投資收益率。
有關(guān)參數(shù)說明如下：
(1)無風(fēng)險投資收益率 Rf
無風(fēng)險投資收益率是指在資本市場上可以獲得的風(fēng)險極低的投 資機會的收益率。 通常將各種類型的政府債券作為這種投資機會的典 型代表，由此將政府債券的收益率看做無風(fēng)險投資收益率 Rf。收益 率與投資時間和期限密切相關(guān)， 政府債券的利率也是隨發(fā)行時的資本 市場狀況和期限的長短而變化的。為此，應(yīng)在資本市場上選擇與投資 期限相近的政府債券收益率作為無風(fēng)險利率 Rf。
(2)資本市場平均投資收益率 Rm
資本市場的充分競爭性和有效性以及投資者追求收益最大化的
動機決定了資本市場具有一個均衡的投資收益率， 但在實踐上幾乎無 法計算出資本市場投資收益率的均衡點。因此，通常以股票價格指數(shù) 替代均衡投資收益率作為 CAPM 模型的平均投資收益率 Rm。因為 股票價格指數(shù)的收益率變動劇烈， 在實際計算中采用一個較長的時間 段(一般為 10 年)用其平均股票價格指數(shù)收益作為 Rm 的參考值。
(3)風(fēng)險校正系數(shù) β
風(fēng)險校正系數(shù)的估計相當(dāng)困難。 通常的做法是根據(jù)資本市場同一 行業(yè)內(nèi)具有可比性公司的股票 β 值作為擬投資項目的風(fēng)險校正系數(shù)。 (Rm—Rf) 被 稱 為 市 場 風(fēng) 險 溢 酬 ， 而 特 定 資 產(chǎn) 的 風(fēng) 險 溢 酬 為 β(Rm—Rf)。因此，資產(chǎn)的 β 系數(shù)反映了資產(chǎn)收益率相對市場變化的 敏感程度。由于在有效組合的情況下，投資者只有市場整體變動的風(fēng) 險，因而 β 系數(shù)恰好能反映該資產(chǎn)的風(fēng)險大小。β 系數(shù)越大，則對市 場敏感度越高，因而風(fēng)險就越大，反之，則越小。
由此可見，β 的大小表示收益的波動性的大小，從而說明特定資 產(chǎn)風(fēng)險的程度。當(dāng) β 系數(shù)大于 1 時，該資產(chǎn)風(fēng)險大于市場平均風(fēng)險； 反之，當(dāng) β 系數(shù)小于 1 時，該資產(chǎn)風(fēng)險小于市場平均風(fēng)險；當(dāng) β 系 數(shù)等于 1 時，該資產(chǎn)風(fēng)險與市場平均風(fēng)險相同。一般來說，若 β 大 于 1．5，則認(rèn)為風(fēng)險很高。
應(yīng)當(dāng)了解，β 不是全部風(fēng)險，而是與市場有關(guān)的這一部分風(fēng)險。 假定投資收益率與市場收益率存在著線性相關(guān)關(guān)系， 則投資收益率靈 敏度系數(shù)可以用回歸方程表示為公式：
R=α+βRm+ε
(式 3—6)
式中：α——常數(shù)項； ε——誤差項； β——可以由此根據(jù)最小二乘法進行估計。
三、“A 計分法”
傳統(tǒng)的風(fēng)險評估采用“A 計分法”， 即將相夾的風(fēng)險因素逐一列出， 包括宏觀因素、技術(shù)因素、市場因素、管理因素、退出因素等，根據(jù) 各因素對項目影響程度大小予以賦值，最后將所有因素的
影響值加 總，從總體上評價風(fēng)險度。例如，根據(jù)《軟件項目風(fēng)險評估報告》 ， 軟件項目各風(fēng)險因素發(fā)生的概率及其影響大小如表 1 所
表 1 軟件項目和各風(fēng)險因素的評估
風(fēng)險因素 發(fā)生概率 影響程度
規(guī)模估計過低 60％ 嚴(yán)重(8 分)
交付期限太緊張 50％ 嚴(yán)重(8 分)
技術(shù)達(dá)不到預(yù)期效果 30％ 輕微(3 分)
軟件體系結(jié)構(gòu)設(shè)計不合理 40％ 災(zāi)難性(10 分)
人員流動 30％ 嚴(yán)重(8 分)
資料來源：明潔， 風(fēng)險投資中的項目風(fēng)險管理》 《 ，
WWW．xahuading.com
風(fēng)險度的項值在 0—10 之間，得分越高，風(fēng)險度越大。這一方 法的優(yōu)點是考慮到風(fēng)險不是一下子產(chǎn)生的，而相互關(guān)聯(lián)的，孕于公司 的業(yè)務(wù)流程系統(tǒng)中， 因而要通過加總求和， 從總體上來判斷風(fēng)險大小。 但是，其缺點是影響大小的賦值取決于決策人員的主觀判斷，趨向于 定性的主觀評價，缺乏科學(xué)性。
四、風(fēng)險價值評估模型法
風(fēng)險價值評估模型， 是近年在國外興起的一種金融風(fēng)險評估和計 量模型，目前已被全球各主要銀行、非銀行金融機構(gòu)、公司和金融監(jiān) 管機構(gòu)廣泛采用�！帮L(fēng)險價值”的英文是 Vlue At Rirk，簡稱 VAR，借 助該模型，對歷史數(shù)據(jù)進行模擬運算，并預(yù)測出未來趨勢，可用于評 估和計量任何一種金融資產(chǎn)或證券投資組合在既定時期內(nèi)， 所面臨市 場風(fēng)險的大小和可能遭受的潛在最大價值損失。但是，這種方法在風(fēng) 險投資中的可操作性較差， 因為創(chuàng)業(yè)企業(yè)一般處于相對較新的行業(yè)和 領(lǐng)域中，可供對比參照的對象比較少，同時，這些企業(yè)的歷史也比較 短，沒有足夠的歷史資料可供模擬時使用，而且，這些數(shù)量方法的應(yīng) 用范圍主要是流動性比較高的證券投資業(yè)， 對于像風(fēng)險投資這種流動 性很差的模擬方式，資產(chǎn)不易變現(xiàn)，計算的意義并不大。
五、綜合風(fēng)險指數(shù)模型評估法
該方法來源于投資學(xué)中的“多因素模型”，對風(fēng)險投資公司的風(fēng)險 評估具有很大的借鑒作用。多因素模型又稱指數(shù)模型，是建立在證券 回報率對各種因素或指數(shù)變動的敏感度這一個假設(shè)之上的。 作為一個 回報率的生成過程， 多因素模型試圖提取那些系統(tǒng)地影響所有證券價 格的主要經(jīng)濟力量，并將其量化，然后代入相應(yīng)的數(shù)學(xué)模型實現(xiàn)數(shù)據(jù) 化，據(jù)此來評估。風(fēng)險投資公司的運作特點是投資多個領(lǐng)域、多個階 段的企業(yè)或項目，通過成功項目的收益，來彌補失敗項目的損失，舉 一個簡單的數(shù)學(xué)例子：
X=10+(-1)+(-2)+(-4)+2=5
正數(shù)代表成功收益，負(fù)數(shù)代表失敗損失，風(fēng)險投資公司追求的正 負(fù)相抵后的終值 X，因此，風(fēng)險投資公司風(fēng)險評估的出發(fā)點也應(yīng)該是 建立在多項目、多因素基礎(chǔ)之上的綜合評估，為此，可建立綜合
風(fēng)險 評估指數(shù)模型：
V(t)=∑Vit=P1it×S1it+P2it×S2it+…+ Pnit×Snit+Eit
(i=0，1，…，n 假設(shè)各風(fēng)險因素發(fā)生的概率 P 和敏感系數(shù) S 是
可知的)
V(t)——t 時間內(nèi)的綜合風(fēng)險指數(shù)；
Pnit——t 時間內(nèi)第 i 個項目的第 n 個風(fēng)險因素發(fā)生的概率；
Snit——t 時間內(nèi)第 i 個項目的第 n 個風(fēng)險因素的變化對預(yù)期收 益率的敏感系數(shù)；
E——隨機誤差項；
i——風(fēng)險投資公司投資的項目數(shù)；
t——代表時間。
應(yīng)該說明的是，本模型加入時間因素 t，正是考慮風(fēng)險投資的投 資周期長，不確定因素較多，而且各因素在不同時點有不同表現(xiàn)，從 而便于動態(tài)管理。t 最好以月或半月來算，因為風(fēng)險投資公司的投資 不同于每天都有交易記錄的證券投資，也不同于需要十幾年的時間 (其一般周期為 3—7 年)的傳統(tǒng)大型建設(shè)項目投資，而且以變現(xiàn)增值 為最終目的。根據(jù)項目的技術(shù)與市場特性，在由不成熟到成熟的過程 中，t 的間隔太短，會加大風(fēng)險管理的成本，間隔太長，又會失去風(fēng)
險管理的意義，所以應(yīng)該注重動態(tài)的過程管理，以有效地控制風(fēng)險。
風(fēng)險因素發(fā)生的概率 P 的測定有兩種：一種是客觀概率，是指根 據(jù)大量歷史的實際數(shù)據(jù)推算出來的概率；另一種是主觀概率，是在沒 有大量實際資料的情況下，人們根據(jù)有限的資料和經(jīng)驗合理估計的。 敏感系數(shù) S 表示風(fēng)險因素的變化程度引起的預(yù)期收益率的變化程度， P×S 就代表如果某一風(fēng)險因素發(fā)生對預(yù)期收益率的影響程風(fēng)險投資中的的風(fēng)險評估方法度； 是隨 E 機誤差項，主要起調(diào)整作用，避免數(shù)據(jù)失真與人為誤差。
在這樣一個動態(tài)的風(fēng)險評估模型中， 風(fēng)險投資公司可以根據(jù)自身 的風(fēng)險承受能力、預(yù)期的回報率、外界環(huán)境變化等因素，綜合判斷目 前及未來一段時間內(nèi)的風(fēng)險狀況，從而制定統(tǒng)觀全局的風(fēng)險管理策略。
【風(fēng)險投資中的的風(fēng)險評估方法】相關(guān)文章：
淺析我國風(fēng)險投資企業(yè)價值評估體系04-27
風(fēng)險投資的盡職調(diào)查方法：“從9到1”04-30
海上救撈工程風(fēng)險評估方法04-29
關(guān)于項目管理中的風(fēng)險評估探討04-27
風(fēng)險投資問題研究04-29